Merkzettel Warenkorb
  • Produktbild: Universal Time-Series Forecasting with Mixture Predictors
  • Produktbild: Universal Time-Series Forecasting with Mixture Predictors

Universal Time-Series Forecasting with Mixture Predictors

Aus der Reihe SpringerBriefs in Computer Science

49,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2020

Verlag

Springer

Seitenzahl

85

Maße (L/B/H)

23,5/15,5/0,6 cm

Gewicht

160 g

Auflage

1st edition 2020

Sprache

Englisch

ISBN

978-3-030-54303-7

Beschreibung

Rezension

“It is a very useful book for graduate students and researchers who are interested in the problem of sequential prediction.” (Lei Jin, Mathematical Reviews, November, 2022)

“The author lists some open problems in extending the subject matter discussed in the book. … The book … should be of interest for those researchers interested in the study of problems of sequential prediction.” (B. L. S. Prakasa Rao, zbMATH 1479.62002, 2022)

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

27.09.2020

Verlag

Springer

Seitenzahl

85

Maße (L/B/H)

23,5/15,5/0,6 cm

Gewicht

160 g

Auflage

1st edition 2020

Sprache

Englisch

ISBN

978-3-030-54303-7

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
  • Produktbild: Universal Time-Series Forecasting with Mixture Predictors
  • Produktbild: Universal Time-Series Forecasting with Mixture Predictors
  • Introduction.- Notation and Definitions.- Prediction in Total Variation: Characterizations.- Prediction in KL-Divergence.- Decision-Theoretic Interpretations.- Middle-Case: Combining Predictors Whose Loss Vanishes.- Conditions Under Which One Measure Is a Predictor for Another.- Conclusion and Outlook.